# NVIDIA Vera Rubin 横扫 MLPerf 训练基准测试

> NVIDIA称，其新平台在所有MLPerf Training v6.1测试中均居首；一项尚待验证的智能体AI测试显示，每瓦吞吐量超过10倍。

Oossa · 2026-11-16 · https://oossa.com/zh/nvidia-s-vera-rubin-sweeps-mlperf-training-benchmarks

事件日期: 2026-11-16

NVIDIA称，其Vera Rubin平台在最新一轮MLPerf Training基准测试的所有项目中均居首，测试涵盖语言模型、图像生成、推荐系统和强化学习后训练。结果于2026年11月16日公布，这也是Vera Rubin首次参加测试。NVIDIA表示，该系统的单GPU性能最高可达GB300 NVL72系统的两倍。

NVIDIA称，在一项训练测试中，Vera Rubin将GPU数量从256张扩展至1,024张，效率约为97%。GPU数量增加至四倍后，报告的训练时间从16分钟缩短至约4分钟。NVIDIA还提交了本轮所有训练基准测试的成绩；该公司称，只有其平台参加了全部项目。

## 智能体AI测试结果衡量什么

NVIDIA还首次提交了MLPerf Endpoints测试成绩。该测试考察AI系统处理编程和业务工作流的能力，这些工作流包含多个步骤，例如调用工具和核查结果。在Kimi K3测试中，NVIDIA报告称，Vera Rubin NVL72的每瓦吞吐量超过GB300 NVL72的10倍；两者均以每位用户至少每秒生成50个token为条件。每瓦吞吐量衡量的是系统每单位功耗能完成多少工作。

这并非硬件数量完全相同的直接对比：Vera Rubin测试使用了32个加速器，GB300测试则使用了48个。Vera Rubin的结果也只是暂定成绩，仍待MLCommons验证和同行评审。报告数据列出的用户平均交互速度分别为：Vera Rubin每秒50.4个token，GB300每秒56.2个。

## 基准测试成绩不等于产品发布

对于大规模训练任务，增加GPU数量只有在它们能够高效协同工作时才有帮助。NVIDIA指出，系统内部的NVLink连接，以及系统之间的InfiniBand和以太网网络，是其扩展工作负载的关键。本轮测试还包括一次使用NVIDIA GB300系统、由10,240张GPU完成的DeepSeek-V3训练；Microsoft Azure则提交了同等规模、使用GB200系统的测试结果。

共有20家机构使用NVIDIA技术提交了MLPerf Training成绩。这些基准测试为比较特定任务上的性能提供了依据，但公告没有说明Vera Rubin系统何时向客户开放，也未公布价格。

## 事实

- NVIDIA称，Vera Rubin首次参测便在所有MLPerf Training v6.1基准测试中居首。
- 在NVIDIA的DeepSeek-V3测试中，Vera Rubin将GPU数量从256张扩展至1,024张，效率约为97%。
- 暂定的Kimi K3测试结果对比了32个Vera Rubin加速器和48个GB300加速器。
- NVIDIA和Microsoft Azure分别报告了使用GB300和GB200系统、配备10,240张GPU的DeepSeek-V3测试结果。
- 共有20家机构使用NVIDIA技术提交了MLPerf Training成绩。

## 为什么重要

对于训练AI模型的研究人员和企业而言，所报告的扩展测试结果表明，如果GPU能够高效协同工作，大型Vera Rubin系统或许可以缩短特定训练任务的用时。不过，智能体AI测试的对比结果仍属暂定，NVIDIA也尚未公布面向客户的供货时间或价格，因此这些成绩并未说明用户何时能用上这款硬件，也未说明使用成本。

## 来源与参考

1. [NVIDIA Sweeps MLPerf Training and Endpoints as Vera Rubin Debuts With Leading Performance](https://blogs.nvidia.com/blog/mlperf-training-endpoints-vera-rubin/) – NVIDIA, 2026-11-16

最后更新: 2026-11-16
